ریسک فراگیر بحران مالی در نظام بانکی ایران با رویکرد ARFIMA - FIGARCH- Delta CoVaR و ریزش مورد انتظار حاشیه ای
محورهای موضوعی : مهندسی مالیلیلا براتی 1 , میرفیض فلاح شمس 2 , فرهاد غفاری 3 , علیرضا حیدرزاده هنزائی 4
1 - دانشجوی گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت بازرگانی، واحد تهران مرکزی ، دانشگاه آزاد اسلامی، تهران، ایران.
3 - گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: حافظه بلندمدت, نظام بانکی, ارزش در معرض خطر شرطی, ریسک سیستمیک, زیان مورد انتظار حاشیهای,
چکیده مقاله :
ریسک سیستمیک به خطر شکست سیستم مالی یا شکست کل بازار اطلاق میشود. این ریسک میتواند از بیثباتی یا بحران در مؤسسات مالی نشأت بگیرد و در اثر سرایت به کل نظام مالی انتقال یابد. هدف مقاله حاضر سنجش ریسک فراگیر بحران مالی در نظام بانکی ایران بود. در این مطالعه از اطلاعات آماری بانکها در طول سالهای 1392-1397 استفاده شده است. در بخش اول شاخص های ریسک فراگیر بحران مالی با استفاده از شاخص Delta CoVaR محاسبه شده سپس سرایت پذیری ریسک با استفاده از روش ARFIMA – FIGARCH مورد ارزیابی قرار گرفته است. در گام اول، آزمون ریشه واحد بیانگر وجود ریشه کسری در شاخص قیمت سهام بانک ها بوده است. در ادامه شاخص های ریسک فراگیر محاسبه شده و به مدلسازی سرایت ریسک سیستمیک پرداخته شده است. نتایج مدل بیانگر این بود که وضعیت ریسک سیستمیک در نظام بانکی کشور غیرنرمال بوده که این امر به دلیل وضعیت اهرمی بانک ها کشور بوده است. همچنین می توان با استفاده از نتایج این تحقیق بیان کرد که بخشهای مختلف مالی ملزم به در نظر گرفتن سرمایه کافی برای ریسک سیستمیک بوده تا از این طریق از ورشکستگی بخشهای با اهمیت سیستمیک در سیستم مالی در ایران جلوگیری نمود.
Systemic risk refers to the risk of failure of the financial system or failure of the entire market. This risk can arise from instability or crisis in financial institutions and can be transmitted to the entire financial system as a result of transmission. The purpose of this paper was to assess the pervasive risk of a financial crisis in the Iranian banking system. In this study, statistical information of banks during the years 1392-1397 has been used. In the first part, the comprehensive risk indicators of the financial crisis are calculated using the Delta CoVaR index, then the risk susceptibility is assessed using the ARFIMA-FIGARCH method. In the first step, the unit root test indicates the existence of a deficit root in the bank stock price index. Comprehensive risk indicators are then calculated and systemic risk transmission modeling is discussed. The results of the model indicated that the systemic risk situation in the country's banking system was abnormal, which was due to the leverage situation of the country's banks. Using the results of this study, it can also be stated that different financial sectors are required to consider sufficient capital for systemic
_||_
1. Abrishmi, Hamid, Mehrara, Mohsen and Rahmani, Mohammad (2018), Measuring and analyzing systemic risk in Iran's banking sector and investigating factors affecting it, Econometric Modeling, 4(3), 11-36.
2. Ahmadi, Zaniar and Farhanian, Seyed Mohammad Javad (2013) Comprehensive risk measurement with CoVaR and MES approach in Tehran Stock Exchange, Stock Exchange Quarterly, 7(26).
3. Eskandari, Maitham Jafari and Rouhi, Milad (2015), credit risk management of bank customers using decision vector machine method improved by genetic algorithm with data mining approach, Asset Management and Financing Quarterly, 1, 12-38.
4. Hosseini, Seyyed Ali and Razavi, Seyedah Samieh (2014), The role of capital in the systemic risk of financial institutions, Experimental Accounting Research, 4(13).
5. Rostgar, Mohammad Ali and Karimi, Nasreen (2016), Systemic risk in the banking sector, Risk Modeling and Financial Engineering, 1(1), 12-24.
6. Ayazlou, Reza and Ramsheg, Mehdi (2018), measuring systemic risk using the expected final deficit and conditional value at risk and banks' ratings. Asset Management and Financing, 7(4), 1-16.
7. Farzin Vash, Asadollah, Elahi, Nasser, Gilanipour, Javad and Mahdavi, Ghadir (2016), Systemic Risk Assessment in Iran's Banking Network Using Conditional Risk Value Change Criteria, Financial Engineering and Securities Management, 8(33) , 265-281.
8. Gujrati, Damodar, translated by: Hamid Abrishmi, (2006): Fundamentals of Econometrics, Tehran University Press.
9. Nazarpour, Mohammad Naqi and Rezaei, Ali (2012), Credit risk management in Islamic banking with the approach of examining contracts and facility payment patterns, Islamic Financial Research Quarterly, 2(4), 156-123.
10. Acharya, V, L. Pedersen, T. Philippon, and M. Richardson, (2010). Measuring Systemic Risk, working paper, New York University.
11. Adrian, T, Brunnermeier, M.K, (2011). CoVaR, NBER Working Paper No. 17454.
12. Arnold Bruce R, Borio Claudio, Ellis Luci, Moshirian Fariborz, (2012), Systemic risk, Basel III, global financial stability and regulation, Journal of Banking & Finance, no 36.
13. Billio, M., Getmansky M, Lo A. W, and L. Pelizzon, (2012), Econometric measures of connectedness and systemic risk in the finance and insurance sectors, Journal of Financial Economics. No. 104.
14. Bisias, D, Flood, M.D., Lo, A.W. and Valavanis, S. (2012), A Survey of Systemic Risk Analytics (January 11, 2012). U.S. Department of Treasury, Office of Financial Research No. 0001.
15. Brownlees, Christian, Engle, Robert, (2012). Volatility, Correlation and Tails for Systemic Risk Measurement, Mimeo, Pompeu Fabra.
16. Chen, W, Xiang, G. Liu, Y. Wang, K. (2016). Credit risk evaluation by hybrid data mining technique. Systems Engineering Proceedings, 3(0), 1, 20-94.
17. Cont, Rama, Moussa Amal Santos Edson Bastos, (2010), Network Structure and Systemic Risk in Banking Systems, Banco Central do Brasil, Working Paper Series, no 219.
18. Gaspar, Vitor (2012), Systemic Risk: Too important to ignore, Conference organized by APB, Lisbon, 3 February 2012.
19. Giglio, Stefano, Kelly, Bryan, Pruitt, (2016). Systemic risk and the macroeconomy: an empirical evaluation. Journal of Financial Economics. No. 119.
20. Girardi, G., Ergun, A.T., (2013). Systemic risk measurement: multivariate GARCH estimation of CoVaR, Journal of Banking & Finance. 37.
21. Laeven, Luc, Ratnovski, Lev, Tong, Hui, (2016). Bank size, capital, and systemic risk: Some international evidence. Journal of Banking & Finance. No. 69
22. Yun, J., & Moon, H. (2014). Measuring systemic risk in the Korean banking sector via dynamic conditional correlation models. Pacific-Basin Finance Journal, 27, 94–114.